respuesta de la demanda sobre tarifas de energÍa … - st00… · de mercado que permite calcular...
TRANSCRIPT
RESPUESTA DE LA DEMANDA SOBRE TARIFAS DE ENERGÍA
ELÉCTRICA MEDIANTE ASIGNACIÓN ÓPTIMA DE RECURSOS EN
MICRORREDES INTELIGENTES CONECTADAS A LA RED ELÉCTRICA
UNIVERSIDAD POLITÉCNICA SALESIANA
SEDE QUITO
CARRERA:
INGENIERÍA ELÉCTRICA
Trabajo de titulación previo a la obtención del título de
INGENIERO ELÉCTRICO
TEMA:
RESPUESTA DE LA DEMANDA SOBRE TARIFAS DE ENERGÍA
ELÉCTRICA MEDIANTE ASIGNACIÓN ÓPTIMA DE RECURSOS EN
MICRORREDES INTELIGENTES CONECTADAS A LA RED ELÉCTRICA
AUTOR:
RODNEY FABIAN PACHACAMA PAREDES
DIRECTOR:
EDWIN MARCELO GARCÍA TORRES
Quito, enero 2020
I
Datos de Catalogación Bibliográfica
Rodney Fabian Pachacama Paredes
RESPUESTA DE LA DEMANDA SOBRE TARIFAS DE ENERGÍA
ELÉCTRICA MEDIANTE ASIGNACIÓN ÓPTIMA DE RECURSOS
EN MICRORREDES INTELIGENTES CONECTADAS A LA RED
ELÉCTRICA
Universidad Politécnica Salesiana, Quito – Ecuador 2020
Ingeniería Eléctrica
Breve reseña historia e información de contacto:
Rodney Fabian Pachacama Paredes (Y'1992-M'05).
Estudiante de Ingeniería Eléctrica en la Universidad
Politécnica Salesiana sede Quito. Áreas de interés:
Generación distribuida, respuesta de la demanda,
Mercados eléctricos y Sistemas eléctricos de potencia.
Dirigido por:
Edwin Marcelo García Torres (Y’1978 -SM10). Se
graduó en Ingeniería Eléctrica en la Universidad
Politécnica Salesiana y de Máster en Gestión de
Energía. Actualmente se encuentra trabajando para su
doctorado en Ingeniería con la Universidad Pontificia
Bolivariana. Área de interés: respuesta a la demanda,
sistemas de automatización. Actualmente es miembro
del Girei (Grupo de Investigación en Redes Eléctricas
Inteligentes - Smart Grid Research Group).
Todos los derechos reservados:
Queda prohibida, salvo excepción prevista en la ley, cualquier forma de
reproducción, distribución, comunicación pública y transformación de esta obra
para fines comerciales, sin contar con la autorización de los titulares de propiedad
intelectual. La infracción de los derechos mencionados puede ser constitutiva de
delito contra la propiedad intelectual. Se permite la libre difusión de este texto
con fines académicos o investigativos por cualquier medio, con la debida
notificación a los autores.
DERECHOS RESERVADOS ©2020 Universidad Politécnica Salesiana
QUITO-ECUADOR
II
DECLARATORIA DE COAUTORÍA DEL DOCENTE TUTOR/A
Yo, Edwin Marcelo García Torres declaro que bajo mi dirección y asesoría fue
desarrollado el trabajo de titulación “RESPUESTA DE LA DEMANDA SOBRE TARIFAS
DE ENERGÍA ELÉCTRICA MEDIANTE ASIGNACIÓN ÓPTIMA DE RECURSOS EN
MICRORREDES INTELIGENTES CONECTADAS A LA RED ELÉCTRICA” realizado
por Rodney Fabian Pachacama Paredes obteniendo un producto que cumple con todos los
requisitos estipulados por la Universidad Politécnica Salesiana para ser considerados
como trabajo final de titulación.
Quito D.M., enero de 2020
Edwin Marcelo García Torres
C.C.: 1803087400
III
CESIÓN DE DERECHOS DE AUTOR
Yo, Rodney Fabian Pachacama Paredes, con documento de identificación
N°1721074316, manifiesto mi voluntad y cedo a la Universidad Politécnica Salesiana
la titularidad sobre los derechos patrimoniales en virtud de que soy autor del trabajo de
titulación intitulado: RESPUESTA DE LA DEMANDA SOBRE TARIFAS DE ENERGÍA
ELÉCTRICA MEDIANTE ASIGNACIÓN ÓPTIMA DE RECURSOS EN MICRORREDES
INTELIGENTES CONECTADAS A LA RED ELÉCTRICA, mismo que ha sido
desarrollado para optar por el título de: Ingeniero Eléctrico, en la Universidad
Politécnica Salesiana, quedando la Universidad facultada para ejercer plenamente los
derechos cedidos anteriormente.
En aplicación a lo determinado en la Ley de Propiedad Intelectual, en mi condición de
autor me reservo los derechos morales de la obra antes citada. En concordancia, suscribo
este documento en el momento que hago entrega del trabajo final en formato digital a la
Biblioteca de la Universidad Politécnica Salesiana.
Quito D.M., enero de 2020
…………………………………..
Rodney Fabian Pachacama Paredes
C.C.: 1721074316
IV
1. ÍNDICE GENERAL
1 INTRODUCCIÓN ................................................................................................ 2
2 MARCO TEÓRICO .............................................................................................. 3
2.1 Mercados eléctricos ............................................................................................... 3
2.1.1 Modelo power pool markets (PP) .......................................................................... 4
2.2 Microrredes ........................................................................................................... 4
2.2.1 Microrredes conectadas a la red ............................................................................ 5
2.2.2 Microrredes aisladas .............................................................................................. 6
2.3 Clasificación de las microrredes ............................................................................ 6
2.3.1 Microrredes en corriente alterna (AC) .................................................................. 6
2.3.2 Microrredes híbridas ............................................................................................. 6
2.4 Tipos de generación ............................................................................................... 6
2.4.1 Generación eólica .................................................................................................. 6
2.4.2 Generación fotovoltaica ........................................................................................ 7
2.4.3 Generación CHP .................................................................................................... 7
2.4.4 Baterías .................................................................................................................. 7
2.5 Demanda eléctrica ................................................................................................. 8
2.6 Asignación de recursos .......................................................................................... 8
2.7 Respuesta a la demanda ......................................................................................... 8
2.7.1 Respuesta al cliente ............................................................................................... 8
2.7.2 Beneficios de la respuesta de la demanda ............................................................. 9
3 PLANTEAMIENTO DEL PROBLEMA .............................................................. 9
4 PSEUDOCÓDIGO ................................................................................................ 9
5 CASO DE ESTUDIO .......................................................................................... 10
5.1 Comportamiento de las fuentes de generación .................................................... 10
6 ANÁLISIS DE RESULTADOS ......................................................................... 11
7 CONCLUSIONES .............................................................................................. 15
8 TRABAJOS FUTUROS ..................................................................................... 15
9 REFERENCIAS .................................................................................................. 15
9.1 Matriz del estado del arte .................................................................................... 19
2. ÍNDICE DE FIGURAS
Figura 1. Microrred híbrida ....................................................................................... 6
Figura 2. Demanda eléctrica horaria ......................................................................... 8
Figura 3. Comportamiento del SoC ........................................................................ 10
Figura 4. Variación del 0% ...................................................................................... 11
Figura 5. Precio del mercado en 0% ........................................................................ 11
Figura 6. Variación del 4% ...................................................................................... 11
Figura 7. Precio del mercado en 2% ........................................................................ 11
V
Figura 8. Variación del 8% ...................................................................................... 12
Figura 9. Precio del mercado en 4% ........................................................................ 12
Figura 10. Variación del 10% .................................................................................... 12
Figura 11. Precio del mercado en 6% ........................................................................ 12
Figura 12. Variación del 10% .................................................................................... 12
Figura 13. Precio del mercado en 8% ........................................................................ 13
Figura 14. Variación del 10% .................................................................................... 13
Figura 15. Precio del mercado en 10% ...................................................................... 13
Figura 16. Comportamiento dentro de la variación en la respuesta de la demanda .. 14
Figura 17. Comportamiento del costo total ............................................................... 14
Figura 18. Precios dinámicos en el mercado ............................................................. 14
3. ÍNDICE DE TABLAS
Tabla 1. Costos de generación renovable ................................................................ 3
Tabla 2. Beneficios de la respuesta de la demanda .................................................. 9
Tabla 3. Pseudocódigo de la respuesta de la demanda ............................................. 9
Tabla 4. Matriz del estado del arte ......................................................................... 19
1
RESPUESTA DE LA DEMANDA SOBRE TARIFAS DE ENERGÍA
ELÉCTRICA MEDIANTE LA ASIGNACIÓN ÓPTIMA DE
RECURSOS EN MICRORREDES INTELIGENTES
CONECTADAS A LA RED ELÉCTRICA
Resumen Abstract
En el presente documento se analiza la
asignación óptima de recursos en una
microrred inteligente conectada a la red
eléctrica, tomando en cuenta el impacto
que se tiene sobre el suministro eléctrico,
por el comportamiento oscilatorio de las
fuentes de energía (renovable y los
sistemas de almacenamiento), debido
características propias de cada
tecnología y a agentes externos que
modifican la potencia que se entrega al
sistema. Además, se aplica un modelo
de mercado que permite calcular los
valores de la energía eléctrica con la
participación de los usuarios por medio
de la respuesta de la demanda, la cual se
encuentra en función de los costos
variables y la disponibilidad de las
generadoras que participan dentro del
despacho económico, con tarifas de
energía fijadas por el mercado eléctrico
o por subastas internacionales de
energía. Esto a su vez, permite
determinar los precios dinámicos en la
microrred a partir de los recursos
entregados por las fuentes de generación
no convencionales.
Palabras Clave: Respuesta de la
demanda, Asignación de recursos,
Generación distribuida, Energías no
convencionales, Despacho económico,
Microrred.
This document analyzes the allocation of
optimal resources in an intelligent
microgrid connected to the electric
network, taking into account the impact
on electricity supply, by the oscillatory
behavior of energy sources (renewable
and storage systems), due to the specific
characteristics of each technology and
the external agents. that modify the
power delivered to the system. In
addition, a market model is applied that
allows the calculation of the values of the
electric energy with the participation of
the users through the response of the
demand, which is based on the variable
costs and the availability of the
generators that participate in the
economic dispatch, with energy rates
established by the electricity market or
international energy auctions. This, in
turn, also makes it possible to determine
the dynamic prices in the microgrid from
the resources delivered by
unconventional generation sources.
Keywords: Demand response, Resource
allocation, Distributed generation, Non-
standard energies, Economic dispatch,
Microgrid.
2
1. Introducción Alrededor del mundo la energía se manifiesta
de diversas maneras, de las cuales se puede
extraer el recurso con el uso de tecnologías y
procesos elaborados de transformación. Los
recursos energéticos pueden ser renovables
(ERNC), es decir aquellos que, a pesar de un
uso continuo, pueden regenerarse de una
forma natural, y también existen los recursos
no renovables, los cuales no pueden
regenerarse en un intervalo de tiempo corto y
por lo tanto necesitan en muchas ocasiones
millones de años para hacerlo.
Por esta razón, las políticas de diversos
países se están modificado para dar prioridad
al uso de ERNCs, lo que conlleva a que se
desarrollen nuevas tecnologías que
aprovechen las ventajas que brindan estas
fuentes energéticas. En la actualidad la
capacidad de la energía renovable en el
mundo aumento un 7.9%, con un mayor
incremento en tecnologías del tipo solar y
eólico. Esto significa que la tercera parte de
la capacidad en generación de potencia
proviene de las ERNCs [1].
Estos cambios provocan que se reestructure
el sector eléctrico a nivel mundial, con el
objetivo primordial de crear un entorno
competitivo y la libertad de elección de los
demandantes, en un afán para mejorar los
precios, la calidad del servicio y continuidad
del suministro de electricidad [2].
Si juntamos el cambio progresivo del sector
eléctrico, con nuevas estructuras de mercado,
el auge de las ERNCs, el crecimiento de la
demanda y el buscar una manera óptima para
reducir costos, podemos encontrar la
solución con la implementación de
microrredes inteligentes, ya que al tener la
capacidad de funcionar de una manera
independiente a la red, el poder
autoabastecerse y debido a su cercanía con el usuario elimina el uso de un enorme sistema
de transmisión, lo que representa un gran
ahorro para el usuario y el distribuidor [3] [4].
Las microrredes (MG) se pueden considerar
como generadoras, brindando fiabilidad, por
la capacidad de estabilizar el sistema
eléctrico frente a caídas de frecuencia y
voltaje en los terminales (MG conectadas a la
red), y además tienen una gran confiabilidad
por la capacidad de operar durante eventos
transitorios [5] [6].
También es importante mencionar que en
los últimos años la línea de investigación y
desarrollo en las MG ha permitido
interconectar una variedad de unidades de
generación cercanas entre sí, lo que a su vez
se denominó como generación distribuida
(DG) [7] [8].
La DG es muy común en las microrredes ya
que incorpora una gran variedad de
tecnologías, en su mayoría energías
renovables, las cuales son más seguras que
las tradicionales [9]. La coordinación exitosa
entre todas fuentes de generación eléctrica
conlleva un gran reto, por lo tanto el
mecanismo de control es imprescindible para
una operación estable y económicamente
rentable [10].
A esto se le debe sumar la coordinación del
sistema en la asignación de potencia para
cumplir con la demanda, mediante una
estrategia que maximice los beneficios de los
recursos renovables y dispositivos de
almacenamiento dentro de un modelo de
mercado [11].
En el mercado mayorista la participación de
las MG se realiza por lo general en el
momento (tiempo real) por medio de una
cartera de recursos, pero a escala pequeña, ya
que aún se siguen creando regulaciones para
su participación activa [12]. Por lo tanto, uno
de los principales temas o mecanismos en las
microrredes es buscar, analizar y desarrollar
técnicas o metodologías para la
comercialización con la integración de
múltiples sistemas, donde se logre incluir la
operación de mercados descentralizados de
energía, para tratar de intervenir de manera
liberalizada y a su vez se le permita al
consumidor elegir el agente o distribuidor,
permitiendo la competencia [13][14]. Con
3
estas posibilidades se amplía cada vez más
las ventajas para el uso de esta tecnología.
Para poder realizar el estudio del mercado
que involucre a las MR, son necesarios los
costos generación eléctrica, los cuales a nivel
mundial se estiman de acuerdo con el
comportamiento de la oferta y la demanda,
además pueden ser alterados por la
tecnología que se requiere (hidráulica, eólica,
fotovoltaica, etc.) y la localización de la
instalación [15]. Estas condicionantes
provoca que despacho económico se vea
afectado, ya que se dará prioridad a las
energías más baratas, siendo estas en la
actualidad las renovables [16].
En la puesta en marcha de un suministro
de energía eléctrica se toma en cuenta los
costos totales (reales) de energía, los cuales
son la suma de valores fijos y variables,
donde los costos fijos son aquellos que pese
a la capacidad del proceso no varían (lo
necesario para mantener la generación
disponible), mientras que los costos variables
si cambian y representan a la inversión que se
realiza en mantenimiento y operación para la
producción de energía eléctrica [17]. En la última década los avances
tecnológicos, permitieron que los precios de
las ERNCs se reduzcan y que se fomente su
uso en muchos países [18]. Esto ayudo a que
su utilización sea mayor en las microrredes y
por lo tanto estén más cerca de la demanda,
reduciendo las pérdidas que se tenían por
transmisión [19] [20]. De acuerdo con la
Agencia Internacional de Energía Renovable
(IRENA), es necesario establecer un
escenario en donde las políticas energéticas
motiven a la generación por fuentes
alternativas renovables de gran eficiencia,
por lo tanto es un enfoque de reducción de
costos a largo plazo [21]. En Ecuador los precios son establecidos
por un agente regulador del sector eléctrico
ARCONEL, el cual dicta las políticas que
deben tomar las generadoras para una
producción horaria diaria, dentro de plazos de
despacho que se establecen por el operador
nacional, los valores que se toman también
obedecen a subastas de energía.
Tabla 1. Costos de generación renovable [22].
En este documento plantea el análisis de
precios dinámicos en el mercado debido a la
variación de la respuesta de la demanda con
una óptima asignación de recursos en un
periodo de tiempo determinado. El algoritmo
que se propone permitirá modelar un sistema
que minimice el costo total dentro de una
microrred inteligente que utiliza fuentes
convencionales y no convencionales,
afectado directamente por el comportamiento
del mercado eléctrico.
2. Marco teórico
2.1 Mercados eléctricos Uno de los principales temas en MG es
buscar y desarrollar técnicas para la
comercialización con la integración de
múltiples sistemas incluyendo la operación
de mercados descentralizados de energía,
donde se trata operar de manera liberalizada
y se le permite al consumidor elegir el agente
o distribuidor [13]. Para lograr un entorno
competitivo se crean diferentes políticas y
transacciones dentro del mercado, donde
existen tres modelos basados en el tipo de
transacción que se realiza: pool, bilateral e
hibrido [23].
En el modelo Pool todas las compañías que
suministraran energía eléctrica ofertan
precio-cantidad para abastecer la demanda
eléctrica, donde los precios ofertados pueden
basarse en costos variables impuestos en el
CENTRALES PRECIO
(USD/kWh)
EÓLICAS
0.056
FOTOVOLTAICAS 0.058
BIOMASA Y BIOGAS 0.062
GEOTÉRMICAS
BATERIAS
0.072
0.061
4
mercado a distintos tipos de generación
eléctrica [24].
En el modelo de mercado Pool se puede
operar de 3 maneras, diaria (establece el
precio y la cantidad de energía a despachar
por el cruce entre la oferta y la demanda), de
forma intra diaria (compra y venta de manera
continua en el día) o de largo plazo (mercado
a futuro con subastas de energía).
En el modelo bilateral en cambio los
contratos de suministro eléctrico se
establecen libremente donde los vendedores
normalmente son generadores y los
distribuidores o consumidores legibles son
compradores [24]. Estos contratos también se
pueden usar para gestionar el riesgo del
mercado y ofrecer estabilidad financiera a los
ofertantes y precios bajos a los demandantes
en comparación con la volatilidad de precios
en el mercado [25].
Mientras que en el modelo hibrido combina
las características de pool y bilateral,
ofreciendo facilidad a los clientes para
comprar electricidad a proveedores en el
mercado de contratos [26]. En este tipo de
mercado se esperan diversas transacciones
entre ofertantes y demandantes para
operaciones más flexibles y económicas. La
viabilidad de las transacciones se dan con
respecto a las condiciones de operación del
sistema, se evalúan antes del tiempo
programado [23].
Estos modelos son la base en el mercado
eléctrico mayorista, donde existe un
organismo central que dirige y coordina para
tener una economía eficiente [27].
La aplicación de estos mercados dentro de
los países, se lo consigue con la
implementación regulaciones, controles y
reformas propias de la realidad económica y
social del lugar, en la gran mayoría de los
casos se desarrollan políticas
medioambientales para fomentar el uso de
fuentes renovables no convencionales, con
beneficios económicos a los ofertantes y
constructores tanto nacionales como
internacionales.
2.1.1 Modelo power pool markets
(PP) Este modelo se define como un mercado
centralizado, donde los compradores y
vendedores pueden ofertar para transacciones
de cantidades de energía. Los principales
puntos de acuerdo a [28] que se deben tener
en cuenta son:
• Todas las unidades despachadas
reciben un precio de compensación
del mercado.
• La compensación es independiente
de los costos de producción o de los
precios de oferta.
Por lo tanto, es necesario un mecanismo
para fijar los precios de la energía, donde las
MG participan en los procesos de licitación
para liquidar mercado. El despacho en este
modelo se lo puede realizar diariamente, esto
proporciona un mecanismo de corto plazo de
los precios en tiempo real.
Dentro del power pool con comercio diario,
los precios deben ser iguales a aquellos que
se presentan en tiempo real, caso contrario
sería una perdida para el comerciante. Y si
nos referimos a las transacciones reales los
grados de riesgo aumentan, dependiendo de
la naturaleza de la inversión. De esta forma
se puede obtener una aproximación del
comportamiento de los precios como se
puede observar e la ecuación (1).
( )DAH REALP t P CT= + (1)
Donde:
𝑃𝐷𝐴𝐻: Precio del mercado (𝑈𝑆𝐷).
𝑃𝑅𝑒𝑎𝑙: Precio despachado en tiempo real (𝑈𝑆𝐷).
𝐶𝑇: Costos de transacción (USD).
2.2 Microrredes Esta tecnología nace como una posibilidad
para reemplazar a los sistemas tradicionales
de distribución eléctrica, y con su aplicación
se logra reducir perdidas, evitar el trazado, y
abaratar el mantenimiento para tener una
adecuada gestión energética. Las microrredes
5
se han identificado como un componente
clave de la red inteligente para mejorar la
confiabilidad y la calidad de la energía
eléctrica, además para aumentar la eficiencia
energética del sistema y proporcionar la
posibilidad de independencia de la red a los
sitios de usuarios finales individuales [29].
En muchos países existen cambios
normativos y tecnológicos para la producción
de energía eléctrica, esto incluye la
implementación de sistemas renovables e
incentivos económicos. Esto permite la
aparición de sistemas de generación en el
sitio (en el lugar) o también llamados
recursos de energía distribuida (DER por sus
siglas en ingles).
Los pequeños generadores de energía
basados en recursos de energía distribuida, se
convirtieron en una opción prometedora para
satisfacer y solucionar la necesidad de
energía eléctrica y térmica con énfasis en la
confiabilidad y la calidad de la energía [30].
La creciente integración de energías
renovables dio como resultado sistemas
híbridos por la integración con sistemas de
generación convencional, y a su vez esta
combinación garantiza la continuidad del
suministro eléctrico.
La arquitectura de una MG de manera
general consta de DG, almacenamiento y
cargas, pero si ampliamos esta estructura de
acuerdo a [31], tendremos:
• Diversas generadoras renovables
(mayoría) y no renovables (una o
más).
• Sistema de almacenamiento
(baterías).
• Sistema de condicionamiento de la
potencia (inversores, rectificadores,
reguladores de carga).
• Sistema de control y regulación.
• Usuarios (carga).
Por lo tanto a las microrredes se les
consideran como pequeñas islas cercanas a la
ubicación del cliente, donde se incluye partes
del sistema local de distribución de servicios
públicos que tienen al menos un recurso de
energía distribuida (DER) y cargas asociadas
[32].
En las MG la topología del sistema suele ser
generalmente en baja tensión y
posteriormente se ubica una subestación PCC
(point of common coupling), el cual debe
admitir una transición o cambio suave entre
los modos “on” – “off”, además de habilitar
la sincronización en el instante de la
reconexión a la red de distribución [5]. Estas
características que poseen las microrredes
brindan diversas ventajas como:
• El suministro de energía se
mantiene durante desastres
naturales, apagones, etc.
• La calidad del servicio mejora con la
disponibilidad y continuidad de
energía.
• Los costos de pérdidas en
transmisión y distribución se
reducen, lo que aumenta la
eficiencia.
• Permite un gran acceso a distintos
tipos de generación eléctrica,
ampliando de esta manera la matriz
energética.
• A futuro, estas estructuras se verán
atractivas para empresas, mejorando
eventualmente la economía local y
crecimiento laboral.
2.2.1 Microrredes conectadas a la red
Cuando una microrred se conecta a la red, se
debe controlar el flujo de energía a través de
un PCC, el cual es un punto en el sistema
eléctrico donde se pueden conectar múltiples
clientes o cargas eléctricas[33]. El control del
flujo se lo realiza para el balance de oferta-
demanda, el cambio de diseño a futuro y para
la planificación de la red debido a la
introducción de la DG [34] [35]. Además, el
PCC debe ser accesible para el consumidor y
la empresa que ofrece el servicio
(distribuidora), pese a que en muchos casos
este punto común es considerado un lugar de
6
medición, entrada de servicio o
transformador de la instalación [36].
2.2.2 Microrredes aisladas La existencia de las microrredes aisladas se
debe a que el abastecimiento eléctrico en
zonas geográficamente remotas resultaría
muy caro y poco fiable, por lo tanto, su
aplicación se extiende sobre lugares rurales
donde es posible alimentar a las cargas
locales sin el uso de la red de distribución
[37]. Mientras que, en MG conectadas a la
red los (DER) interactúan con la red eléctrica.
2.3 Clasificación de las microrredes
2.3.1 Microrredes en corriente alterna
(AC) Este tipo de microrredes resultan ser factibles
con todos los tipos de DG, ya que los DER y
las cargas están conectados a un bus de AC
común (usado para abastecer a una mayor
cantidad de usuarios). El sistema principal
puede ser de corriente alterna o corriente
continua.
Parte de la red que consta de las unidades
DG y los circuitos de carga puede formar un
pequeño sistema de energía eléctrica de AC
aislado, es decir, una microrred de AC [38].
En la actualidad varios sistemas en AC se
implementaron en varios países con unidades
de DG renovable.
2.3.2 Microrredes híbridas La red hibrida consta de sistemas en AC y DC
conectadas entre sí por convertidores
multidireccionales. En este tipo de estructura
se reducen los procesos de conversiones
inversas múltiples en un red de AC o DC
[39], por lo tanto se facilita la conexión de
varias fuente. Un claro ejemplo se tiene en la
Figura 1.
2.4 Tipos de generación
2.4.1 Generación eólica En este tipo de generación se utiliza la
velocidad del viento, el cual es resultado del
movimiento continuo del aire debido a
variaciones en la presión atmosférica [40], la
magnitud de este gradiente (variación) dará
como resultado una mayor fuerza en el viento
(wind power), el cual ya puede ser utilizado
para producir energía. Además de esta fuerza
la generación eólica depende de muchos
otros factores relevantes como las
condiciones geográficas, el efecto Coriolis
7
debido a la rotación de la Tierra y las
variaciones extremas de temperatura.
En la ecuación (2) se obtiene la energía
basada en mediciones horarias de la
velocidad del viento, teniendo en cuenta el
uso de una turbina de eje horizontal.
31
2WE A Cp u = (2)
Donde:
𝐴: Área de barrido de las palas del generador
(𝑚2).
𝜂: Eficiencia mecánica y eléctrica de la
turbina.
𝐶𝑝: Coeficiente de potencia máximo de una
turbina ideal de eje horizontal.
𝜌: Densidad del aire (𝑘𝑔/𝑚3).
𝑢: Velocidad del viento (𝑚/𝑠).
2.4.2 Generación fotovoltaica En la actualidad la energía solar es muy
utilizada para diversos procesos de
generación, usualmente se divide en dos
grandes áreas, solar térmica en donde se usa
al son como una fuente directa de energía
calorífica permitiendo calentar líquidos,
mientras que la segunda área es la
electricidad solar, la cual convierte la
irradiación en energía eléctrica. Las
instalaciones fotovoltaicas pueden ser
categorizados como aislados y conectados a
la red. Los sistemas aislados son aquellos que
no alimentan a la red y generalmente son
utilizados en áreas remotas, mientras que en
los conectados a la red, la energía en DC de
las células solares pasa a través de un inversor
y retroalimenta el sistema de distribución
[41]. La energía estimada de una planta
fotovoltaica es calculada con la ecuación (3).
p
F
Ir P PRE
G
= (3)
Donde:
𝑃𝑃: Potencia pico de la instalación (𝑊).
𝐼𝑟: Irradiación horaria sobre el plano (𝑊ℎ/𝑚2).
𝐺: 1𝑘𝑊
𝑚2
𝑃𝑅: Rendimiento energético de la
instalación, donde se toma en cuenta factores
como la eficiencia del inversor, perdidas del
cableado y rendimiento de acuerdo con la
temperatura.
2.4.3 Generación CHP El término CHP (Combined Heat and Power)
por sus siglas en inglés, describe a la
generación de electricidad a partir de una sola
fuente de calor residual recuperable. En la
actualidad los sistemas CHP pueden tener
una eficiencia de conversión de más del 90%,
dependiendo del combustible utilizado [42].
Uno de los sistemas utilizados para este tipo
de generación es por medio del biogás, en la
ecuación (4) y (5) Chauhan & Saini proponen
el modelo [43].
860
BG BGGSBGGS
TBG CVP
ohpd
=
(4)
BMGS BGGSE P fc hora= (5)
Donde:
𝑃𝐵𝑀𝐺𝑆 : Producción horaria del sistema de
biogás (𝑊).
𝑇𝐵𝐺: Total de biogás generado (𝑚3
𝑑𝑖𝑎).
𝐶𝑉𝐵𝐺: Valor calorífico de la biomasa (4700 𝑘𝑐𝑎𝑙).
𝜂𝐵𝐺𝐺𝑆: Eficiencia de conversión global del
sistema de biogás a la producción eléctrica.
𝑜ℎ𝑝𝑑: Horas de operación por día.
𝐸𝐵𝑀𝐺𝑆 = Producción de energía por biomasa (𝑊 − 𝑑í𝑎).
𝑓𝑐 = Factor de capacidad.
2.4.4 Baterías Tanto para una instalación fotovoltaica como
para una eólica, el almacenamiento es algo
primordial debido a que la generación llega a
ser intermitente por agentes externos como el
clima. Esta energía almacenada puede ser útil
8
para suministrar electricidad cuando sea
necesario, y almacenar excedentes de la
generación. El comportamiento se caracteriza
por el SOC (state of charge por sus siglas en
ingles), este estado se puede obtener por [44].
( ) ( ) ( )
( ) ( 1) wind S L
b b
E t E t E tSOC t SOC t
V C
+ −= − +
(6)
Donde:
𝐸𝐿: Demanda de energía eléctrica en un
tiempo determinado (𝑊ℎ).
𝑉𝑏: Voltaje de la batería (𝑉). 𝐶𝑏: Capacidad del banco de baterías (𝐴ℎ). 𝐸𝑤𝑖𝑛𝑑: Energía eólica (𝑊ℎ).
𝐸𝑆: Energía fotovoltaica (𝑊ℎ).
Si la energía fotovoltaica y eólica generada
excede la carga, entonces las baterías se
cargan (7).
( ) ( ) ( )wind S LE t E t E t+ (7)
Si la energía fotovoltaica y eólica generada
es insuficiente para suministrar carga,
entonces las baterías se descargan (8).
( ) ( ) ( )wind S LE t E t E t+ (8)
2.5 Demanda eléctrica La demanda eléctrica representa la tasa de
uso de electricidad o por cantidad de energía
que se necesita en un tiempo determinado
[45]. Por lo general, es representada por una
curva con oscilaciones en horas, días u
estaciones, dependiendo de la productividad
que tienen las plantas de generación [46]
[47]. Las distribuidoras miden continuamente
el uso de electricidad en los ciclos
determinados y de esta manera pueden
analizar la proporción de energía que se
requiere para los clientes [48].
Para el caso de estudio se analiza la
demanda horaria de la isla Santa Cruz en
Galápagos en el mes de diciembre, con estos
datos (Figura 2) se puede visualizar los
puntos máximos y mínimos y por ende se
podrá realizar la asignación de recursos
energéticos que tenemos y como se
comportaran de acuerdo con la capacidad que
tienen para entregar al sistema.
Figura 2. Demanda eléctrica horaria.
2.6 Asignación optima de recursos En una asignación de recursos es necesario
un modelo que permita destinar la potencia
que suministran las unidades de generación a
lo largo de una curva base de demanda,
teniendo en cuenta su restricción de
disponibilidad en el tiempo determinado. El
algoritmo utilizado para la optimización de
los recursos los distribuye de acuerdo con la
capacidad de generación 𝑃𝐺𝐸𝑁 y al costo
variable 𝐶𝑉𝑔𝑒𝑛, haciendo uso de
programación no lineal.
2.7 Respuesta de la demanda Con la respuesta a la demanda se puede
reducir el consumo de electricidad en base a
una curva base (patrón), aliviando a la red en
horas pico por la reducción de la carga, de
esta manera ayuda al sistema a evitar
sobrecargas.
2.7.1 Respuesta al cliente Existen 3 acciones que involucran al cliente
y las que se toma en cuenta al costo y a las
mediciones que se puedan obtener [49]. La
primer acción que se puede tomar es el
9
reducir el consumo durante picos críticos en
periodos de tiempo determinados, esta
opción involucra una pérdida temporal del
confort.
En la segunda acción los usuarios cambian
operaciones de alto consumo a actividades de
baja actividad, por lo tanto, el cliente no
tendrá perdidas técnicas y económicas. En la
última respuesta al cliente, los propios
usuarios generan su energía y experimentan
un cambio pequeño en el comportamiento del
uso de electricidad.
2.7.2 Beneficios de la DR De acuerdo con [49] [50] los beneficios
asociados con la respuesta a la demanda son:
Tabla 2. Beneficios de la DR.
3. Planteamiento del problema
Para resolver el problema se plantea un
modelo de mercado tipo Pool que permita
determinar el mínimo el costo de la energía
que se suministra por cada unidad de
generación convencional, no convencional o
banco de baterías, considerando el
comportamiento en un rango de tiempo. Las
variables que corresponden a los fuentes de
generación serán el costo que tiene cada
generadora (𝐶𝑉𝑔𝑒𝑛(𝑖)), y la potencia que
entrega (𝑃𝑃𝐻, 𝑃𝐸𝑂, 𝑃𝐵𝑇 , 𝑃𝐶𝐻𝑃 , 𝑃𝐺𝑅𝐷) en cada
intervalo de tiempo (𝑡𝑛). Estas variables
permitirán calcular la asignación de recursos
(𝐴𝑠), partiendo de una matriz de generación
(𝑃𝐺𝐸𝑁) que distribuye la disponibilidad de
potencia en el tiempo.
Con el resultado de la asignación de
recursos, se debe responder a la participación
que tengan los usuarios por la respuesta a la
demanda (𝑅𝐷), la cual varia por la reducción
o aumento de los picos en función de un valor
porcentual de área (𝛼). Finalmente, se
determinan los precios dinámicos (𝑃𝐷𝐴𝐻) de
la energía en la microrred y se comparan
entre sí para obtener el resultado más
económico.
Para el desarrollo de los diversos problemas
de optimización se utilizó GAMS/CONOPT,
ya que es el más adecuado y confiable para la
resolución de modelos con restricciones no
lineales.
4. Pseudocódigo Tabla 3. Pseudocódigo de la respuesta de la demanda.
Algoritmo respuesta de la demanda
Paso 1: Inicio
Paso 2: Ingreso de datos de sistemas de
generación, carga.
Paso 3: Asignación de valores.
t , 𝐶𝑉𝑔𝑒𝑛, 𝑉𝐷𝑅𝑑𝑒𝑚
Paso 4: Desarrollo de la matriz de generación en
cada intervalo de tiempo.
1 2
1 2
1 2
1 2
1 2
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
PH PH PH n
EO EO EO n
GEN BT BT BT n
CHP CHP CHP n
GRD GRD GRD n
P t P t P t
P t P t P t
P P t P t P t
P t P t P t
P t P t P t
=
Paso 5: Desarrollo de la asignación de recursos.
1 0
( , ) min ( , ) ( )m n
GEN gen
i t
As i t P i t CV i= =
=
1
( , ) ( )m
GEN
i
P i t Dem t=
Participación
•incentivos.
•ahorro de cuentas.
Extención del mercado
•minimización de precios.
•aumento de la capacidad.
Rendimiento de los mercados
•reduccir el poder del mercado.
•opciones a clientes.
•reducir la volatilidad de los precios.
10
Paso 6: Aplicación de la respuesta a la demanda.
0
( , ) ( , )n
t
RD i t As i t =
=
Paso 6.1: Genera valores para picos máximos.
max( , ) ( , ) peakAs i t As i t = −
( , )As i t R
Paso 6.1: Genera valores para picos mínimos.
min( , ) ( , ) peakAs i t As i t = +
( , )As i t R
Paso 7. Se desarrolla la nueva asignación de
recursos con ( , )RD i t
Paso 8: Gráfica ( , )RD i t
Paso 9: Aplicación del modelo del mercado
( )DAH REALP t P CT= +
Paso 9: Fin
5. Caso de estudio
La variación de la respuesta a la demanda en
pequeños porcentajes (2%, 4%, 6%, 8% y
10%), afectará directamente a la asignación
de recursos en la microrred tipo test-bed
hibrida (Figura 1), ya que al disponer de
diversas tecnologías (renovables, no
renovables, baterías y la red) cada una tendrá
una capacidad disponible oscilatoria en cada
hora del día, y por lo tanto se despachará
dando prioridad a aquella que sea más barata
para obtener el mayor beneficio económico,
sin superar la capacidad máxima. Este
cambio provocará alteraciones en el
mercado, modificando los precios.
5.1 Comportamiento de las fuentes de
generación. La microrred al contar con ERNCs, CHP,
baterías y la potencia de la red externa,
liquidará el mercado horario en función a la
capacidad y el costo variable obtenido de las
subastas de energía. Debido a que la potencia
puede fluctuar de una hora a otra, es
necesario analizar las características de
aquellas tecnologías de generación no llega a
tener mucha continuidad.
La energía eólica al aprovechar la energía
cinética que se produce por el movimiento
del viento produce electricidad de una
manera medianamente estable y por
mediciones obtenidas a lo largo de un tiempo
considerable puede volverse predecible, todo
lo contrario, ocurre con los paneles
fotovoltaicos, ya que al depender de la
cantidad de sol que puede ser captado, la
temperatura máxima soportada y el material
de construcción, la producción de
electricidad puede verse afectada seriamente.
Por lo tanto, es necesario almacenar la
energía en bancos de baterías que actuaran
como generadores en el momento que las
ERNCs no consigan abastecer a la demanda,
y se cargaran en los instantes de máximo
rendimiento, a este proceso se lo denomina
SoC (state of charge) estado de carga. En la
Figura 3 se puede observar el nivel de carga
y descarga de las baterías, de acuerdo con las
ecuaciones (7) y (8).
Además, al tratarse de una MG test-bed, el
modelo que se plantea trata de evitar el uso
de la potencia de la red, ya que al optimizar
adecuadamente las energías renovables y
asignarlos para cubrir totalmente la demanda,
el uso del recurso externo se ve minimizado
o eliminado.
Figura 3. Comportamiento del SoC.
11
6. Análisis de resultados
La penetración de las MG dentro del sector
eléctrico afecta positivamente al mercado,
como se había expuesto antes. En la Figura 4
se visualiza el despacho económico base de
la microrred, el cual, tras ofertar su
producción de potencia en el mercado, el
distribuidor asignará la cuota de generación
que cada participante debe entregar. El precio
que arroja el mercado (Figura 5) se mantiene
casi en la mayor parte del tiempo en un valor
estable.
Figura 4. Variación del 0%.
Figura 5. Precio del mercado en 0%.
Al aumentar la variación en 2% de la
respuesta a la demanda, se observa en la
Figura 6, como el punto mínimo aumento
para compensar el descenso del pico
máximo. La participación de las baterías
aumenta en horas que la generación
fotovoltaica no genera y la fuente eólica no
logra abastecer. Mientras que en la Figura 7
vemos como el usar baterías debido a su
costo mayor, incrementa en ciertas horas el
precio final del mercado.
Figura 6. Variación del 2%.
Figura 7. Precio del mercado en 2%.
Para el valor de 4%, la generación CHP
participa en despacho en poca medida, para
compensar los huecos que dejan las
restantes fuentes de generación, esta medida
se toma para cumplir la demanda esa hora
(Figura 8). Este cambio provoca un
incremento aun mayor que en el anterior
precio del 2% (Figura 9), pese a esta subida
repentina del precio es de esperarse que las
fuentes de generación que ayuda al sistema
en caso de fallas o problemas tengan que ser
despachados a ciertas horas. Si en el
mercado de subastas de precios de energía
se redujera el costo variable de las unidades
12
fotovoltaicas la participación de la
generación eólica variaría y esto daría como
resultado nuevos valores. Por lo tanto, la
dinámica de precios en el pool power
depende del comportamiento del mercado a
cada hora.
Figura 8. Variación del 4%.
Figura 9. Precio del mercado en 4%.
En la Figura 10 los picos o puntos máximos
en las horas donde había una mayor demanda
se redujeron notablemente alrededor de un
20.989%, mientras que en los puntos
mínimos donde se despacha más generación
por CHP, aumento en 10.477%. Para el valor
del precio de la Figura 11 el mercado
comienza a comportarse una manera
“estable”, esto se debe a que las variaciones
respecto a los porcentajes en la respuesta de
la demanda ya no tienen grandes diferencias.
Figura 10. Variación del 6%.
Figura 11. Precio del mercado en 6%.
Figura 12. Variación del 8%.
En el 8% (Figura 12), los picos con respecto
al anterior disminuyeron en 6.602% y en
valles incrementaron un 5.764%, además la
unidad de CHP incrementa su aporte y es
despachada con un valor de 52.347 kW para
equilibrar la demanda. Para la Figura 13 no
difiere de la variación del 6%.
13
Figura 13. Precio del mercado en 8%.
Finalmente, en la variación del 10% de la
respuesta de la demanda, la asignación de las
generadoras da como resultado una curva
optimizada casi lineal (Figura 14), donde los
grandes picos se establecen en un valor
promedio de 2796.004 kW, y para compensar
la disminución, los valles aumentaron
5408.72 kW. El precio del mercado se
mantiene igual ya que no existen nuevas
unidad de generación despachadas.
Figura 14. Variación del 10%.
Debido a las variaciones porcentuales de la
respuesta a la demanda, la mayoría de los
valores se desplazaron de la posición
original. Los puntos en donde se
produjeron grandes cambios fueron en la
hora 05:00, donde el punto mínimo
aumentó un 23.953%, mientras que en la
hora 20:00 el pico máximo se redujo un
18.642%.
Figura 15. Precio del mercado en 10%.
La manera en cómo se asignaron las
diversas fuentes de generación se puede
observar en la Figura 16, donde para cada
tipo de generación, su potencia cambia
dependiendo de los porcentajes de la
respuesta de la demanda, también se modifica
el nivel de participación dentro del despacho
económico, donde cada valor es el resultado
total en las 24 horas. La fuente renovable
eólica es la que entrega la mayor cantidad de
suministro de potencia a la microrred, debido
a que su costo por kilovatio-hora es más
barato y tiene un alto índice de rendimiento.
La segunda fuente de generación que más
aportó al sistema fue la fotovoltaica.
Hay que tener en cuenta que de acuerdo con
los precios vigentes en el sector eléctrico la
asignación de recursos cambiará, de esta
manera se estima que para los próximos años
las plantas de tipo solar, eólicas y nuevas
tecnologías que se encuentran en proceso de
desarrollo, reduzcan sus precios a nivel
global, por lo tanto, la inversión para instalar
plazas o parques de generación a gran escala
se incrementará, esto dará como resultado
que el despacho económico se vea alterado
notablemente.
14
Figura 16. Comportamiento dentro de la variación en
la respuesta de la demanda.
Los resultados que se obtuvieron de los
despachos reflejan la minimización de los
costos por la correcta asignación de recursos,
partiendo desde el 0% de variación de
respuesta de la demanda hasta la máxima que
es 10%. En la Figura 17 se visualiza el
comportamiento de estos valores, tanto del
total, del máximo y del mínimo. Al instante
en que llega al tercer paso (4%), se observa
que disminuye en un 0.345% del paso
anterior (2%), en este punto el valor se
incrementa debido a que se redujo la
participación de generación por baterías y
fotovoltaica, y su vez se empezó a utilizar
CHP. En el punto final de (10%), se puede
ver la diferencia que existe con el paso
inicial, por lo tanto, la minimización del costo
total en el despacho si es notable.
Figura 17. Comportamiento del costo total.
Para los precios dinamicos (Figura 18) por
el modelo de mercado, podemos concluir que
en la mayoria del tiempo se mantiene estable
y es en las horas que se necesita otras fuentes
de generacion donde se dispara el valor. Si en
la microrred existieran generadoras con
similar costo variable, el mercado se
equilibraria.
Figura 18. Precios dinámicos en el mercado.
15
7. Conclusiones La implementación del algoritmo
desarrollado para asignar recursos
energéticos dentro de una microrred
dependiendo de la demanda, cumple con las
restricciones para minimizar el costo variable
de generación eléctrica. Por medio de las
diferentes variaciones porcentuales que se
dio en respuesta a la demanda, se observó que
los costos se redujeron en 1,5% al día, lo que
puede representar aproximadamente un 3.4%
al mes y un 40.75% anual, siendo el valor
obtenido al año un porcentaje representativo
de ahorro.
De acuerdo con los precios obtenidos de las
subastas energéticas y de la diferencia de los
costos entre el uso de energías renovables con
aquellas que usan combustibles fósiles dentro
de la microrred, se pudo establecer que, el
suministro de energía casi en su totalidad es
dada por las fuentes no convencionales,
debido a que resulta económicamente más
rentable.
Además del beneficio socioeconómico que
se puede tener en el uso de una microrred
inteligente, también permite una gran
flexibilidad ya que puede evolucionar su
estructura aumentado la eficiencia y la
fiabilidad de operación, la cual se logra con
su gran capacidad de respuesta ante eventos
que pongan en peligro al suministro de
energía.
En la respuesta a la demanda para
microrredes, debido a que las ENRCs en
ciertas horas no generan energía eléctrica, el
realizar más iteraciones para equilibrar
totalmente la curva de demanda, no siempre
minimizará el costo total. Esto se debe a que
las unidades de generación más caras se
asignaran al despacho con mayor potencia
para abastecer a los usuarios. Por lo tanto, es
necesario tener una mayor reserva de energía la cual debe ser alimentada por aquellas
fuentes que casi no tiene participación como
la red.
8. Trabajos futuros Con la implementación de nuevas
tecnologías dentro de las microrredes como
medidores y controladores inteligentes,
asignar recursos se tornará mucho más rápido
y eficiente, lo que ayudará a la inclusión de
tecnologías como autos eléctricos, por lo
tanto, se deberá tomar medidas sobre la
demanda, para que el impacto en horas de
máximo requerimiento de energía el uso de
los vehículos sea favorable para la red y que
puedan ser involucrados dentro del despacho
horario.
Además, sería importante incluir a la nueva
tecnología de paneles que pueden generar
electricidad a través de la diferencia de
temperatura entre la Tierra y el espacio, de
acuerdo con últimas investigaciones este tipo
de panel inverso absorbe energía en forma de
radiación y lo convierte en electricidad, con
lo cual podrá funcionar durante todo el día
independientemente de las variaciones
climáticas. Por lo tanto, con esta innovación
se modificará totalmente la participación de
las fuentes de generación eléctrica frente a la
demanda horaria requerida.
9. Referencias
[1] I. Renewable Energy Agency,
Renewable Energy Capacity
Statistics 2019. 2019.
[2] J. Arango, J. Gonzalo Londoño, and
M. Arango Zapata, “La energía
eléctrica en la globalización e
integración de mercados
eléctricos.,” Sci. Tech., vol. 2, no.
28, pp. 121–126, 2005.
[3] E. M. García Torres and Ì. Isaac,
“Multi-objective optimization for
the management of the response to
the electrical demand in commercial
users,” INCISCOS 2017 - Int. Conf.
Inf. Syst. Comput. Sci., pp. 14–20,
2017.
[4] P. Moreno and E. M. Garcia Torres,
“Respuesta a la Demanda para
16
Smart Home Utilizando Procesos
Estocásticos,” I+D Tecnológico,
2016.
[5] R. D. Medina, “Microrredes basadas
en Electrónica de Potencia:
Características, Operación y
Estabilidad,” INGENIUS, no. 12,
pp. 15–23, Dec. 2014.
[6] G. Venkataramanan and C. Marnay,
“A larger role for microgrids,” IEEE
Power Energy Mag., vol. 6, no. 3,
pp. 78–82, May 2008.
[7] A. Artieda and E. M. Garcia Torres,
“Optimización de tarifas de energía
eléctrica para una respuesta a la
demanda por medio de
programación lineal,” Universidad
Politecnica Salesiana, 2017.
[8] E. M. Garcia Torres, B. D.
Benalcazar Lopez, and I. M. Idi
Amin, “Analysis of the Voltage
Profile by the Insertion of Electric
Vehicles in the Distribution
Network Considering Response to
Demand,” 2017 Int. Conf. Inf. Syst.
Comput. Sci., pp. 7–13, 2017.
[9] Y. M. Atwa, E. F. El-Saadany, M.
M. A. Salama, and R. Seethapathy,
“Optimal Renewable Resources Mix
for Distribution System Energy Loss
Minimization,” IEEE Trans.
POWER Syst., vol. 25, no. 1, 2010.
[10] C. Bordons, F. García-Torres, and
L. Valverde, “Gestión Óptima de la
Energía en Microrredes con
Generación Renovable,” RIAI - Rev.
Iberoam. Autom. e Inform. Ind., vol.
12, no. 2, pp. 117–132, 2015.
[11] S. A. Arefifar, Y. A.-R. I.
Mohamed, and T. H. M. El-Fouly,
“Supply-Adequacy-Based Optimal
Construction of Microgrids in Smart
Distribution Systems,” IEEE Trans.
Smart Grid, vol. 3, no. 3, pp. 1491–
1502, Sep. 2012.
[12] J. Yue, Z. Hu, A. Anvari-
Moghaddam, and J. M. Guerrero,
“A Multi-Market-Driven Approach
to Energy Scheduling of Smart
Microgrids in Distribution
Networks,” Sustainability, vol. 11,
no. 2, p. 301, Jan. 2019.
[13] M. E. R. Molina, “Liberalización
del mercado eléctrico y elegibilidad:
consecuencias para el consumidor,”
Univ. Jaume I Dep. Adm. Empres. y
Mark., pp. 23–25, 2003.
[14] G. Gutiérrez-Alcaraz, J. H. Tovar-
Hernández, and C. N. Lu, “Effects
of demand response programs on
distribution system operation,” Int.
J. Electr. Power Energy Syst., vol.
74, pp. 230–237, Aug. 2016.
[15] Imelda, M. Fripp, and M. J. Roberts,
“Variable Pricing and the Cost of
Renewable Energy,” Natl. Bur.
Econ. Res. Work. Pap. Ser., vol. No.
24712, 2018.
[16] J. Velasco and E. M. Garcia Torres,
“Optima respuesta de la demanda de
energia para integrar sistemas
híbridos de pequeñas escala y
sistemas tradicionales,” Universidad
Politecnica Salesiana, 2017.
[17] V. Vergara and E. M. Garcia Torres,
“Optima gestión de la demanda para
estaciones de recarga de vehiculos
eléctricos en Micro-Redes
Inteligentes.” 2017.
[18] M. Ortiz and M. García, Torres,
Edwin, “Pronóstico de la demanda
eléctrica residencial basado en el
modelo de regresión adaptativa
mulltivariante spline (MARS),”
Universidad Politecnica Salesiana,
2015.
[19] J. M. L. Lezama, A. Padilha-Feltrin,
and L. A. Gallego, “Ubicación y
dimensionamiento óptimo de
generación distribiuda en sistemas
de energía eléctrica,” Sci. Tech., vol.
1, no. 41, May 2009.
[20] D. Jarrín and E. M. Garcia Torres,
“Gestión energética para una óptima
17
respuesta a la demanda en micro
redes inteligentes,” Universidad
Politecnica Salesiana, 2017.
[21] IRENA, “Opportunities to
accelerate national energy
transitions through advanced
deployment of renewables,”
/publications/2018/Nov/Opportuniti
es-to-accelerate-national-energy-
transitions-through-advanced-
deployment-of-renewables, 2018.
[22] IRENA, Renewable Power
Generation Costs in 2018. Abu
Dhabi, 2019.
[23] M. Mohammadi, S. H. Hosseinian,
and G. B. Gharehpetian,
“Optimization of hybrid solar
energy sources/wind turbine
systems integrated to utility grids as
microgrid (MG) under
pool/bilateral/hybrid electricity
market using PSO,” Sol. Energy,
vol. 86, no. 1, pp. 112–125, Jan.
2012.
[24] L. A. Barroso, T. H. Cavalcanti, P.
Giesbertz, and K. Purchala,
“Classification of electricity market
models worldwide,” in 2005
CIGRE/IEEE PES International
Symposium, 2005, pp. 9–16.
[25] J. M. López, M. Granada, and L. A.
Gallego, “A combined pool/bilateral
dispatch model for electricity
markets with security constraints,”
Ing. y Cienc., vol. 7, no. 13, pp. 7–
28, 2011.
[26] Y. Yang, M. Bao, Y. Ding, Y. Song,
Z. Lin, and C. Shao, “Review of
Information Disclosure in Different
Electricity Markets,” Energies, vol.
11, no. 12, p. 3424, Dec. 2018.
[27] J. Lozano, J. Luyo, and Y. P.
Molina Rodriguez, “El Mercado
Eléctrico Mayorista: Agentes y
Modelos de Organización,” Rev.
Tec., vol. 28, no. 1, Jun. 2018.
[28] A. Rudkevich, M. Duckworth, and
R. Rosen, “Modeling Electricity
Pricing in a Deregulated Generation
Industry: The Potential for
Oligopoly Pricing in a Poolco,” The
Energy Journal, vol. 19.
International Association for Energy
Economics, pp. 19–48, 1998.
[29] D. T. Ton and M. A. Smith, “The
U.S. Department of Energy’s
Microgrid Initiative,” Electr. J., vol.
25, no. 8, pp. 84–94, Oct. 2012.
[30] A. Banerji et al., “Microgrid: A
review,” in 2013 IEEE Global
Humanitarian Technology
Conference: South Asia Satellite
(GHTC-SAS), 2013, pp. 27–35.
[31] J. P. Fossati, “Revisión bibliográfica
sobre micro redes inteligentes,” pp.
13–20, 2011.
[32] B. Kroposki, T. Basso, and R.
DeBlasio, “Microgrid standards and
technologies,” in 2008 IEEE Power
and Energy Society General
Meeting - Conversion and Delivery
of Electrical Energy in the 21st
Century, 2008, pp. 1–4.
[33] P. D. J. Topón and E. M. Garcia
Torres, “Modelamieto Para El
Almacenamiento Y Aporte De
Energía a La Red En Horas Pico De
Demanda Mediante Un Prototipo,”
2015.
[34] M. K. G. Lakshitha et al.,
“Operation of a grid connected
microgrid with a variable load bus
and a diesel generator set,” in 2017
Innovations in Power and Advanced
Computing Technologies (i-PACT),
2017, pp. 1–6.
[35] IEEE Std 519, IEEE Recommended
Practice and Requirements for
Harmonic Control in Electric Power
Systems. 2014.
[36] M. García, Torres, Edwin and I.
Isaac, “Demand response systems
for integrating energy storage
batteries for residential users,” in
18
Ecuador Technical Chapters
Meeting (ETCM), IEEE, 2016.
[37] H. A. Gabbar and A. A.
Abdelsalam, “Microgrid energy
management in grid-connected and
islanding modes based on SVC,”
Energy Convers. Manag., vol. 86,
pp. 964–972, Oct. 2014.
[38] J. J. Justo, F. Mwasilu, J. Lee, and
J.-W. Jung, “AC-microgrids versus
DC-microgrids with distributed
energy resources: A review,”
Renew. Sustain. Energy Rev., vol.
24, pp. 387–405, Aug. 2013.
[39] X. Liu, P. Wang, and P. C. Loh, “A
hybrid AC/DC microgrid and its
coordination control,” IEEE Trans.
Smart Grid, vol. 2, no. 2, pp. 278–
286, Jun. 2011.
[40] W. (Electrical engineer) Tong, Wind
power generation and wind turbine
design. WIT Press, 2010.
[41] G. K. Singh, “Solar power
generation by PV (photovoltaic)
technology: A review,” Energy, vol.
53. Elsevier Ltd, pp. 1–13, 01-May-
2013.
[42] M. O. Apunda and B. O. Nyangoye,
“Selection of a Combined Heat and
Power (CHP), and CHP Generation
Compared to Buying of Electrical
Power from the National Grid and
Separate Thermal Heat Production,”
Open Sci. J., vol. 2, no. 3, Aug.
2017.
[43] A. Chauhan and R. P. Saini, “A
review on Integrated Renewable
Energy System based power
generation for stand-alone
applications: Configurations,
storage options, sizing
methodologies and control,” Renew.
Sustain. Energy Rev., vol. 38, pp.
99–120, Oct. 2014.
[44] J. Li, W. Wei, and J. Xiang, “A
simple sizing algorithm for stand-
alone PV/Wind/Battery hybrid
microgrids,” Energies, vol. 5, no.
12, pp. 5307–5323, 2012.
[45] B. Oña and M. García, Torres,
Edwin, “Uso eficiente del consumo
de energía eléctrica residencial
basado en el método Montecarlo,”
Universidad Politecnica Salesiana,
2015.
[46] J. O. Sarmiento, “Electricity
Demand and Energy Consumption
Management System,” Sep. 2008.
[47] J. Chalco and E. M. Garcia Torres,
“Optimización multiobjetivo del
consumo eléctrico basado en la
respuesta a la demanda,”
Universidad Politecnica Salesiana,
2017.
[48] E. M. García Torres, A. Águila, I.
Isaac, J. W. González, and G.
López, “Analysis of Voltage Profile
to determine Energy Demand using
Monte Carlo algorithms and Markov
Chains (MCMC),” Power Eng.
Conf. (UPEC), 2016 51st Int. Univ.,
no. Mcmc, pp. 1–6, 2016.
[49] M. H. Albadi and E. F. El-Saadany,
“A summary of demand response in
electricity markets,” Electr. Power
Syst. Res., vol. 78, no. 11, pp. 1989–
1996, Nov. 2008.
[50] H. Aalami, G. R. Yousefi, and M.
Parsa Moghadam, “Demand
response model considering EDRP
and TOU programs,” in
Transmission and Distribution
Exposition Conference: 2008 IEEE
PES Powering Toward the Future,
PIMS 2008, 2008.
19
9.1 Matriz del estado del arte Tabla 4. Matriz del estado del arte
RESPUESTA DE LA DEMANDA SOBRE TARIFAS DE ENERGÍA ELÉCTRICA MEDIANTE ASIGNACIÓN ÓPTIMA DE RECURSOS EN MICRORREDES INTELIGENTES
CONECTADAS A LA RED ELÉCTRICA
DATOS TEMÁTICA FORMULACION DEL
PROBLEMA
RESTRICCIONES
DEL
PROBLEMA
ALGORITMO
DE
OPTIMIZACIÓ
N
SOLUCIÓN
PROPUESTA
ITE
M
AÑ
O
TÍT
UL
O D
EL
AR
TÍC
UL
O
CIT
AS
Mic
ro
rre
d
Fu
en
tes d
e
Ge
ne
ra
cio
n E
léctr
ica
Asig
na
ció
n d
e
Re
cu
rso
s
Re
sp
ue
sta
a l
a
De
ma
nd
a
Me
rca
do
s E
léctr
ico
s
Asig
na
ció
n d
e
re
cu
rso
s
Min
imiz
ació
n d
e
Pre
cio
s
Mé
tod
o R
esp
ue
sta
De
ma
nd
a
Mo
de
lo d
e M
erca
do
Pre
cio
s
Ecu
acio
ne
s d
e
Fu
en
tes d
e
Ge
ne
ra
cio
n
Ca
pa
cid
ad
de
Ge
ne
ra
cio
n
Pro
gra
ma
ció
n L
ine
al
De
sp
ach
o e
co
nó
mic
o
Re
du
cció
n d
e p
re
cio
s
Op
tim
a A
sig
na
ció
n
de
Re
cu
rso
s
An
áli
sis
de
lo
s
Pre
cio
s D
iná
mic
os
Op
tim
a r
esp
ue
sta
de
la D
em
an
da
1 2019 Renewable Energy Capacity
Statistics 2019
2 2005
La energía eléctrica en la
globalización e integración de
mercados eléctricos
3
3 2017
Multi-objective optimization for
the management of the response
to the electrical demand in
commercial users
18
4 2016
Respuesta a la Demanda para
Smart Home Utilizando Procesos
Estocásticos
18
5 2014
Microrredes basadas en
Electrónica de Potencia:
Características, Operación y
Estabilidad
10
6 2008 A larger role for microgrids 296
20
7 2017
Optimización de tarifas de
energía eléctrica para una
respuesta a la demanda por
medio de programación lineal
0
8 2017
Analysis of the Voltage Profile by
the Insertion of Electric Vehicles
in the Distribution Network
Considering Response to Demand
15
9 2013
Optimal Renewable Resources
Mix for Distribution System
Energy Loss Minimization
1024
10 2019
Gestión Óptima de la Energía en
Microrredes con Generación
Renovable
52
11 2007
Supply-Adequacy-Based Optimal
Construction of Microgrids in
Smart Distribution System
193
12 2019
A Multi-Market-Driven Approach
to Energy Scheduling of Smart
Microgrids in Distribution
Networks
12
13 2003
Liberalización del mercado
eléctrico y elegibilidad:
consecuencias para el consumidor
0
14 2016
Effects of demand response
programs on distribution system
operation
31
15 2018 Variable Pricing and the Cost of
Renewable Energy
16 2017
Optima respuesta de la demanda
de energía para integrar sistemas
híbridos de pequeñas escala y
sistemas tradicionales
21
17 2017
Optima gestión de la demanda
para estaciones de recarga de
vehículos eléctricos en Micro-
Redes Inteligentes.
18 2015
Pronóstico de la demanda
eléctrica residencial basado en el
modelo de regresión adaptativa
mulltivariante spline (MARS)
19 2009
Ubicación y dimensionamiento
óptimo de generación distribuida
en sistemas de energía eléctrica
2
20 2017
Gestión energética para una
óptima respuesta a la demanda
en micro redes inteligentes
21 2018
Opportunities to accelerate
national energy transitions
through advanced deployment of
renewables
95
22 2019 Renewable Power Generation
Costs in 2018 64
23 2012
Optimization of hybrid solar
energy sources/wind turbine
systems integrated to utility grids
as microgrid (MG) under
pool/bilateral/hybrid electricity
market using PSO
132
24 2005 Classification of electricity
market models worldwide 62
25 2011
A combined pool/bilateral
dispatch model for electricity
markets with security constraints
1
26 2018 Review of Information Disclosure
in Different Electricity Market 4
22
27 2018
El Mercado Eléctrico Mayorista:
Agentes y Modelos de
Organización
28 1998
Modeling Electricity Pricing in a
Deregulated Generation Industry:
The Potential for Oligopoly
Pricing in a Poolco
298
29 2012 The U.S. Department of Energy’s
Microgrid Initiative 180
30 2013 Microgrid: A review 45
31 2011 Revisión bibliográfica sobre micro
redes inteligentes 20
32 2008 Microgrid standards and
technologies 141
33 2015
Modelamieto Para El
Almacenamiento Y Aporte De
Energía a La Red En Horas Pico
De Demanda Mediante Un
Prototipo
0
34 2017
Operation of a grid connected
microgrid with a variable load
bus and a diesel generator set
1
35 2014
IEEE Recommended Practice and
Requirements for Harmonic
Control in Electric Power
Systems
57
36 2016
Demand response systems for
integrating energy storage
batteries for residential users
35
37 2014
Microgrid energy management in
grid-connected and islanding
modes based on SVC
51
38 2013
AC-microgrids versus DC-
microgrids with distributed
energy resources: A review
663
23
39 2011 A hybrid AC/DC microgrid and its
coordination control 993
40 2010 Wind power generation and wind
turbine design 399
41 2013
Solar power generation by PV
(photovoltaic) technology: A
review
568
42 2017
Selection of a Combined Heat and
Power (CHP), and CHP
Generation Compared to Buying
of Electrical Power from the
National Grid and Separate
Thermal Heat Production
1
43 2014
A review on Integrated
Renewable Energy System based
power generation for stand-alone
applications: Configurations,
storage options, sizing
methodologies and control
405
44 2012
A simple sizing algorithm for
stand-alone PV/Wind/Battery
hybrid microgrids
125
45 2015
Uso eficiente del consumo de
energía eléctrica residencial
basado en el método Montecarlo
46 2008
Electricity Demand and Energy
Consumption Management
System
47 2017
Optimización multiobjetivo del
consumo eléctrico basado en la
respuesta a la demanda
48 2016
Analysis of Voltage Profile to
determine Energy Demand using
Monte Carlo algorithms and
Markov Chains (MCMC)
23
24
49 2008 A summary of demand response
in electricity markets 1663
50 2008
Demand response model
considering EDRP and TOU
programs
234
CANTIDAD: 27 24 14 16 14 11 8 10 12 11 15 10 8 9 13 14 8 15
25